1樓：digolds
關於Python基礎知識，下面這份教程就夠了，關於資料分析，你需要使用pandas
基礎篇https://
高階篇https://
實用篇https://
2樓：鵝鵝鵝鵝鵝鵝
講實話，你主要需要的不是python，而是資料分析，你只不過使用python這個工具做資料分析，但是分析什麼內容不是python給你的，而是你自己想到然後使用「python工具」執行並產生結果的。
3樓：東寫西讀
首先要明白一件事：做資料分析不一定要用python。一般來說，如果你處理的資料量級在幾千或者幾萬條之內，而且只是做一些簡單的資料分析統計、甚至作圖的工作。
相信我，用Excel操作起來會更加方便快捷，與其琢磨著怎麼用Python處理這些資料。不如好好買一本Excel相關的書籍學起來。
如果你需要處理10萬到百萬級的資料量。而且你需要用這些資料訓練機器學習模型。這才是Python真正需要出場的時候。
如果你需要用Python來做機器學習模型。有一本書：《機器學習實戰：
基於Scikit-Learn和TensorFlow》可以說是入門經典，可以說是資料分析師入門必看書籍。裡邊介紹了Python資料分析常用的流程。
其實做資料分析如果打通兩個難點，就如同練武打通了任督二脈。
第一，掌握Python基礎知識。python最大的乙個優勢是包羅永珍，任何你想到的功能，它都有對應的包實現，這對初學者來說反倒會感覺Python的內容太繁雜，無從學起。其實如果你專注於用Python做資料分析，那麼只需要專心看Python的基礎語法以及資料處理相關的部分，其他的可以暫時放在一邊。
python的基礎知識用不著話費太多的時間，如果以前學過其他語言，那麼就更容易了，比如，可以參加下邊這個3.9元的免費小課程
第二，會用Python做資料分析的相關包。其實用Pyhton做資料分析，最常用的也就那麼幾個包。
（一）資料處理
1、numpy：引入了向量和矩陣，便於用Pyhton處理資料型別的資料變數
2、pandas：用於資料處理，可以理解成python版的資料庫。
推薦教程：https://www.
（二）繪圖
1、matplotlib
推薦教程：https://www.
2、seaborn：基於matplotlib又做了一層封裝，底層還是matplotlib，但是畫出來的圖更加好看。
推薦教程：https://www.
（三）機器學習建模
1、Scikit-learn用於方便地呼叫機器學習演算法。
2、XGBoost因為XGBoost是當前表現最好的主流演算法，演算法的作者封裝實現了一遍，形成了XGboost包，這個包比Scikit-learn包的XGBoost演算法訓練出來的模型效果更好，所以。所以簡單來說，學習時只需要看Python基礎知識和與這幾個包相關的知識即可，其他的Python知識，暫時用不到，就可以不用看。 如果你處理的資料是千萬到百億級的資料量級。
那麼Python處理起來也會有些力不從心。這時候就需要祭出sql的資料處理大殺器。一般來說，就算是做機器學習模型。
遇到這種量級的資料。也會先用sql做一些篩選，將資料量降下來，在用Python來處理。 Sql其實學起來難度並不大。
只需要學會簡單的增刪改查。以及group by 等操作即可。
不同的資料庫語法稍有差異，一般來說，現在比較常用的是MySql資料庫。 這裡介紹乙個Mysql資料庫教程：
4樓：資料分析知識分享
如果你可以找到針對想要學習Python的原因量身定製的學習資源，則可以使此步驟更輕鬆一些。小白零基礎如何使用python進行資料分析工作例如，如果你想學習資料科學的Python，我們的初學者和中級 Python課程都是免費的，將教你從頭開始構建資料科學專案所需的所有語法，同時要求你使用實際的-世界資料，這使得對學習資料技能感興趣的人的語法學習過程更具吸引力。
在第三步是建立結構化的專案。尋找乙個可以跟隨的教程可能是乙個很好的方法。對資料科學感興趣的學生可以嘗試一些我們指導的專案，這些專案旨在鼓勵實驗和創造力，同時仍然提供結構和指導。
小白零基礎如何使用python進行資料分析工作還有許多其他資源，可用於跨各種程式設計學科(包括遊戲開發，機械人技術等)尋找結構化的專案構想。關鍵是盡快開始真正讓你感興趣的專案。
在第四步是建立日益複雜的唯一專案，你繼續發展自己的能力。在完成了一些指導性專案之後，你可能會想嘗試一下自己的想法。即使你認為自己不具備成功所需的全部技能，也可以繼續努力。
你將在需要時學習這些新技能。更多https://
zhuanlan /p/19
9274208
5樓：旭鵬
快速入門，上手實操
答主結合自身學習工作經歷，從基礎入門開始，總結整理了乙份知識清單，幫助初學者們在短時間內建立起框架，解決燃眉之需。有基礎的同學也可以收藏回顧。
一、Python入門系列
1. 基礎知識 https://
zhuanlan /p/61576585
2. 變數及數值型別 https://
zhuanlan /p/61605806
3. 序列及相關操作 https://
zhuanlan /p/61612405
4. 字典及其對映 https://
zhuanlan /p/61638607
5. 迴圈語句及判斷條件函式 https://zhuanlan /p/62301663
6. 函式 https://
zhuanlan /p/62329581
7. 模組與包 https://
zhuanlan /p/63096930
8. 資料的讀取與寫入 https://
zhuanlan /p/63120744
另外，利用Python進行資料分析，Numpy、Pandas、Matplotlib這些工具是繞不過去的:
二、資料分析系列
1. 科學計算工具Numpy https://zhuanlan /p/64221395
2. 資料分析工具Pandas(一) https://zhuanlan /p/64393584
3. 資料分析工具Pandas(二) https://zhuanlan /p/64412231
4. 圖表繪製工具Matplotlib https://zhuanlan /p/135835635
銷售怎麼進行資料分析？
黃浦江畔 複購率是其中的乙個維度，當然這個維度也能反映客戶對商品或品牌的忠誠度。關於銷售方面的分析可以從如下幾個方面進行 商品維度 例如明星商品是哪些？哪些商品熱銷並符合了二八原則？通過挖掘演算法，將不同的商品進行聚類，即回答哪些商品從被購買者的角度認為是相似的 品類維度 品類是對商品的彙總，可以分...
如何進行資料分析？成為資料分析師應該怎麼做？
農夫三拳有點疼 不要看長篇大論，也不要上來就學工具，你會崩潰的。去找一組你感興趣的資料，先用統計學的東西搞資料分布，找到資料中存在的問題，嘗試從資料中發現一些規律，工具就用excel。 IT界不禿頭的姑娘 首先想成為乙個資料分析師，需要熟練掌握Excel SQL PPT Python等工具。當然僅僅...
靠自學學習資料分析，並轉行資料分析靠譜嗎？
Tabray 不能說完全不靠譜，會有很多優秀的個例出來，但是隨著這個行業越來越卷，這種個例的出現也在逐漸變低。另外，從這個行業上需要的能力來看 我之前寫的一篇文章提到https zhuanlan p 361986121 資料分析的下限是技術能力，技術能力相關的廣度和深度會決定你的下限的高低，這些可能...